Apprentissage par renforcement utilisant des réseaux de neurones, avec des applications au contrôle moteur
Cette thèse est une étude de méthodes permettant d'estimer des fonctions valeur avec des réseaux de neurones feedforward dans l'apprentissage par renforcement. Elle traite plus particulièrement de problèmes en temps et en espace continus, tels que les tâches de contrôle moteur. Dans ce tra...
Main Author: | |
---|---|
Language: | ENG |
Published: |
2002
|
Subjects: | |
Online Access: | http://tel.archives-ouvertes.fr/tel-00003985 http://tel.archives-ouvertes.fr/docs/00/04/58/36/PDF/tel-00003985.pdf |
id |
ndltd-CCSD-oai-tel.archives-ouvertes.fr-tel-00003985 |
---|---|
record_format |
oai_dc |
spelling |
ndltd-CCSD-oai-tel.archives-ouvertes.fr-tel-000039852013-01-07T19:16:52Z http://tel.archives-ouvertes.fr/tel-00003985 http://tel.archives-ouvertes.fr/docs/00/04/58/36/PDF/tel-00003985.pdf Apprentissage par renforcement utilisant des réseaux de neurones, avec des applications au contrôle moteur Coulom, Rémi [INFO:INFO_OH] Computer Science/Other Apprentissage par renforcement réseaux de neurones contrôle moteur commande optimale Cette thèse est une étude de méthodes permettant d'estimer des fonctions valeur avec des réseaux de neurones feedforward dans l'apprentissage par renforcement. Elle traite plus particulièrement de problèmes en temps et en espace continus, tels que les tâches de contrôle moteur. Dans ce travail, l'algorithme TD(lambda) continu est perfectionné pour traiter des situations avec des états et des commandes discontinus, et l'algorithme vario-eta est proposé pour effectuer la descente de gradient de manière efficace. Les contributions essentielles de cette thèse sont des succès expérimentaux qui indiquent clairement le potentiel des réseaux de neurones feedforward pour estimer des fonctions valeur en dimension élevée. Les approximateurs de fonctions linéaires sont souvent préférés dans l'apprentissage par renforcement, mais l'estimation de fonctions valeur dans les travaux précédents se limite à des systèmes mécaniques avec très peu de degrés de liberté. La méthode présentée dans cette thèse a été appliquée avec succès sur une tâche originale d'apprentissage de la natation par un robot articulé simulé, avec 4 variables de commande et 12 variables d'état indépendantes, ce qui est sensiblement plus complexe que les problèmes qui ont été résolus avec des approximateurs de fonction linéaires. 2002-06-19 ENG PhD thesis |
collection |
NDLTD |
language |
ENG |
sources |
NDLTD |
topic |
[INFO:INFO_OH] Computer Science/Other Apprentissage par renforcement réseaux de neurones contrôle moteur commande optimale |
spellingShingle |
[INFO:INFO_OH] Computer Science/Other Apprentissage par renforcement réseaux de neurones contrôle moteur commande optimale Coulom, Rémi Apprentissage par renforcement utilisant des réseaux de neurones, avec des applications au contrôle moteur |
description |
Cette thèse est une étude de méthodes permettant d'estimer des fonctions valeur avec des réseaux de neurones feedforward dans l'apprentissage par renforcement. Elle traite plus particulièrement de problèmes en temps et en espace continus, tels que les tâches de contrôle moteur. Dans ce travail, l'algorithme TD(lambda) continu est perfectionné pour traiter des situations avec des états et des commandes discontinus, et l'algorithme vario-eta est proposé pour effectuer la descente de gradient de manière efficace. Les contributions essentielles de cette thèse sont des succès expérimentaux qui indiquent clairement le potentiel des réseaux de neurones feedforward pour estimer des fonctions valeur en dimension élevée. Les approximateurs de fonctions linéaires sont souvent préférés dans l'apprentissage par renforcement, mais l'estimation de fonctions valeur dans les travaux précédents se limite à des systèmes mécaniques avec très peu de degrés de liberté. La méthode présentée dans cette thèse a été appliquée avec succès sur une tâche originale d'apprentissage de la natation par un robot articulé simulé, avec 4 variables de commande et 12 variables d'état indépendantes, ce qui est sensiblement plus complexe que les problèmes qui ont été résolus avec des approximateurs de fonction linéaires. |
author |
Coulom, Rémi |
author_facet |
Coulom, Rémi |
author_sort |
Coulom, Rémi |
title |
Apprentissage par renforcement utilisant des réseaux de neurones, avec des applications au contrôle moteur |
title_short |
Apprentissage par renforcement utilisant des réseaux de neurones, avec des applications au contrôle moteur |
title_full |
Apprentissage par renforcement utilisant des réseaux de neurones, avec des applications au contrôle moteur |
title_fullStr |
Apprentissage par renforcement utilisant des réseaux de neurones, avec des applications au contrôle moteur |
title_full_unstemmed |
Apprentissage par renforcement utilisant des réseaux de neurones, avec des applications au contrôle moteur |
title_sort |
apprentissage par renforcement utilisant des réseaux de neurones, avec des applications au contrôle moteur |
publishDate |
2002 |
url |
http://tel.archives-ouvertes.fr/tel-00003985 http://tel.archives-ouvertes.fr/docs/00/04/58/36/PDF/tel-00003985.pdf |
work_keys_str_mv |
AT coulomremi apprentissageparrenforcementutilisantdesreseauxdeneuronesavecdesapplicationsaucontrolemoteur |
_version_ |
1716456022675030016 |